基于草图在线判别分析的单遍行人重识别
计算机视觉与模式识别
2017-11-10 v1
摘要
行人重识别（re-id）是在多摄像机系统中跨不相交摄像机视图匹配行人，近年来已成为智慧城市建设中的重要技术。然而，现有多数行人 re-id 方法并非为在线处理序列数据而设计，这忽略了多摄像机系统检测到的行人图像是顺序到达的真实场景。虽有少量工作讨论在线 re-id，但大多需要存储所有曾观测到的过往数据样本，对于大型摄像机网络的数据处理而言这不切实际。本文提出一种单遍行人 re-id 模型，其基于每个新观测数据自适应更新 re-id 模型，且每次更新不直接使用过往数据。具体而言，我们将草图处理嵌入 Fisher 判别分析（FDA）中，开发了草图在线判别分析（SoDA）。SoDA 在处理序列数据样本时，能高效地将所有过往样本的主要数据变化保留于低秩矩阵中，并从草图数据信息估计近似类内方差（即类内协方差矩阵）。我们给出了所估计近似类内协方差矩阵效果的理论分析。特别地，我们推导了 Fisher 判别分数（即特征变换后类间变化与类内变化之商）的上下界，以探究 SoDA 顺序学习到的最优特征变换如何逼近基于所有观测数据学习的离线 FDA。大量实验结果证明了 SoDA 的有效性，并从经验上支持了我们的理论分析。
引用
@article{arxiv.1711.03368,
title = {One-pass Person Re-identification by Sketch Online Discriminant Analysis},
author = {Wei-Hong Li and Zhuowei Zhong and Wei-Shi Zheng},
journal= {arXiv preprint arXiv:1711.03368},
year = {2017}
}
备注
Online learning, Person re-identification, Discriminant feature extraction